Розробка алгоритмів оптимізації параметрів функціонування інтелектуальної системи радіонуклідного діагностування міокарду
DOI:
https://doi.org/10.15587/1729-4061.2016.71930Ключові слова:
сцинтиграфія, перетворення Фур'є, інформаційний критерій, машинне навчання, ройовий алгоритмАнотація
Розроблено інформаційно–екстремальні алгоритми машинного навчання системи радіонуклідного діагностування міокарду з оптимізацією словника ознак розпізнавання за інформаційним критерієм Кульбака, що дозволяє підвищити точність діагностичних рішень. Досліджено послідовні спрямовані та ройові алгоритми селекції словника ознак, який містить як кількісні, так і категоріальні ознаки. Отримано безпомилкові за навчальною матрицею вирішальні правила.
Посилання
- Synefia, S., Sotiropoulos, M., Argyrou, M., et al. (2014). 3D images quantitative perfusion analysis and myocardium polar index for cardiac scintigraphy improvement. e–Journal of Science & Technology, 3(9), 35–41.
- Ohlsson, M. (2004). WeAidU—a decision support system for myocardial perfusion images using artificial neural networks. Artificial Intelligence in Medicine, 30 (1), 49–60. doi: 10.1016/s0933-3657(03)00050-2
- Wadhonkar, B. M., Tijare, P. A., Sawalkar, S. N. (2015). A data mining approach for classification of heart disease dataset using neural network. International Journal of Application or Innovation in Engineering & Management (IJAIEM), 4 (5), 426–433.
- Velu, C. M., Kashwan, K. R. (2013). Heart disease diagnosis using multiple kohenen self organizing maps. In Proc. of the International conference on advanced research in engineering and technology, 126–130.
- Šajn, L., Kukar, M. (2011). Image processing and machine learning for fully automated probabilistic evaluation of medical images. Computer Methods and Programs in Biomedicine, 104 (3), e75–e86. doi: 10.1016/j.cmpb.2010.06.021
- Arsanjani, R., Dey, D., Khachatryan, T., Shalev, A., Hayes, S. W., Fish, M. et. al. (2014). Prediction of revascularization after myocardial perfusion SPECT by machine learning in a large population. Journal of Nuclear Cardiology, 22 (5), 877–884. doi: 10.1007/s12350-014-0027-x
- Tagil K., Jakobsson, D., Lomsky, M., et al. (2013). A decision support system for stress only myocardial perfusion scintigraphy may save unnecessary rest studies. Journal of Biomedical Graphics and Computing, 3 (2), 46–53. doi: 10.5430/jbgc.v3n2p46
- Ciecholewski, M. (2013). Ischemic heart disease detection using selected machine learning methods. International Journal of Computer Mathematics, 90 (8), 1734–1759. doi: 10.1080/00207160.2012.742189
- Dovbysh, A. S., Rizhova, A. S., Moskalenko, V. V. et al. (2015). Intelligent Decision Support System for Medical Radioisotope Diagnostics with Gamma–camera. Journal of Nano– and Electronic Physics, 7 (4), 04036–1–04036–7.
- Baydyk, T., Kussul, E., Escalante–Estrada, A. (2015). Random Subspace Classifier for Recognition of Pests on Crops. In Proc. 4th International Work Conference Bioinspired Intelligence (IWOBI), 21–26.
- Dovbysh, A. S., Moskalenko, V. V., Rizhova, A. S. (2016). Information-Extreme Method for Classification of Observations with Categorical Attributes. Cybernetics and Systems Analysis, 52 (2), 224–231. doi: 10.1007/s10559-016-9818-1
- Sipos, R., Fradkin, D., Moerchen, F., Wang, Z. (2014). Log-based predictive maintenance. Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining – KDD’14, 1977. doi: 10.1145/2623330.2623340
- Dovbysh, A. S. Shelekhov, I. V., Korobchenko, E. V. (2015). Feature set optimization of learning control system. Adaptive automatic control system, 2 (27), 44–50.
- Sivakumar, S., Chandrasekar, C. (2014). Modified PSO Based Feature Selection for Classification of Lung CT Images. International journal of computer science and information technologies, 5 (2), 2095–2098.
- Dovbysh, A. S., Budnyk, N. N., Moskalenko, V. V. (2012). Information-Extreme Algorithm for Optimizing Parameters of Hyperellipsoidal Containers of Recognition Classes. Journal of automation and information sciences, 44 (10), 35–44. doi: 10.1615/jautomatinfscien.v44.i10.30
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2016 Vyacheslav Moskalenko, Alyona Moskalenko, Anatoly Dovbysh, Igor Shelehov
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
